JP2019502582A - 自動運転車両の速度制御に用いられるパラメータの推定方法 - Google Patents

Abstract

一実施形態において、目標速度に基づいて速度制御コマンド（例えば、アクセルコマンド、ブレーキコマンド）が発信されると、当該速度制御コマンドに応答して、ＡＤＶの予想速度と実際速度とに基づいて第一フィードバックパラメータを決定する。速度制御パラメータ調整モデルをある時点においてキャプチャし又は測定された入力パラメータのセットに適用することにより、第二フィードバックパラメータを決定する。入力パラメータのセットは、ＡＤＶのタイミングにおける運転環境を示す。第一フィードバックパラメータと第二フィードバックパラメータに基づいてＡＤＶの速度コントローラの一つ又は複数の制御パラメータを調整する。なお、速度コントローラは、速度制御コマンドを生成し発信するように配置される。速度コントローラの調整後の制御パラメータに基いて後続の速度制御コマンドを生成することができる。
【選択図】なし

Description

本発明の実施形態は主に自動運転車両の操作に関する。具体的に、本発明の実施形態は、自動運転車両の速度制御に用いられるパラメータの推定に関する。

自動運転モード（例えば、セルフドライブ）で操作される車両は、乗員、特に運転者を運転に関する責任から解放することができる。自動モードで操作される際に、車両は車載センサを利用して各位置まで案内することができ、車両が最も少ないヒューマンコンピュータインタラクションで、或いは乗客が一人もいない場合に走行することが許される。

運動企画と制御は自動運転における肝心な操作である。ところが、従来の運動企画の操作は、主に所定の経路の曲率と速度から所定の経路を完成する難しさを推定し、異なるタイプの車両の特徴の違いを考慮していない。同じ運動企画と制御が全てのタイプの車両に適用されると、ある場合に不正確になり且つ不安定になる可能性がある。

速度制御（例えば、アクセル、ブレーキ）の動的なモデルは、自動運転における車両の経路の追跡精度を増加するのに非常に重要である。しかし、速度制御構造の複雑性の原因で、標準的なモデリング方法で速度制御動力学に対して正確にモデリングすることが難しい。

本発明の実施形態は、図面の各図に制限ではなく、例示的に示される。図面における同一の符号は類似の要素を示す。
本発明の一実施形態によるネットワークシステムを示したブロック図である。 本発明の一実施形態による自動運転車両の例示を示したブロック図である。 本発明の一実施形態による自動運転車両と共に使用される検知／企画システムの例示を示したブロック図である。 本発明の一実施形態による速度コントローラを示したプロセス図である。 本発明の一実施形態による速度制御パラメータ調整モデルの例示を示したブロック図である。 本発明の一実施形態による、自動運転車両を操作する速度コントローラの速度制御パラメータを調整するプロセスを示したフローチャートである。 一実施形態によるデータ処理システムを示したブロック図である。

以下に論述される詳細を参照して本発明の各実施形態と局面を説明する。図面に前記各実施形態が示された。下記の記載及び図面は、本発明の説明であり、本発明に対する制限ではありません。多くの特定の詳細を説明して本発明の各実施形態に対する全面的な理解を提供させる。ところが、幾つかの場合に、周知的又は常用の詳細を説明せずに本発明に対する実施形態の簡単な論述を提供させる。

本明細書に言及された「一実施形態」又は「実施形態」は、当該実施形態と組合わせて説明される特定な特徴、構成又は特性が本発明の少なくとも一つの実施形態に含まれることが可能であることを意味する。「一実施形態において」という用語の本明細書の各箇所における出現は、全てが同一の実施形態を意味するわけではない。

幾つかの実施形態によれば、速度制御パラメータモデリング構造を使用して機器学習モデリング方法と経験モデリング方法を利用することにより、速度制御モデリングの精度が向上する。車両のアクセルモデルパラメータは、一般的にパラメータ調整のない場合にオフラインに推定されるが、システムモデルが常に車両の退化に従って変化する。一実施形態において、システムは経験方法（例えば、目標速度ｖｓ．実際速度）を使用する方法を利用して公称速度制御モデルパラメータを推定する。また、当該システムは、更に機器学習方法を利用して、リアルタイムにキャプチャされる各種の要素又は入力パラメータに基づいてオンラインに速度制御モデルを調整することにより、車両の差異と退化に対応する。

最初に、自動運転車両（ＡＤＶ）の運転統計情報又はＡＤＶのタイプに基づいてオフラインに公称速度制御モデルのパラメータを認識する。運転統計情報は、異なるタイミングと各種の運転条件においてキャプチャされる車両速度、車両加速度及び／又は道路の摩擦等を含んでも良い。運転される場合に（例えば、オンライン）、車両は、まずオフラインに決定される公称コントローラ利得とパワートレーン参照モデルで運行される。車両は道路上に走行する場合に、例えば天気、地図／道路状況、車両重量、タイヤ空気圧、運転者の運転行為などの情報を機器学習モデルの入力としてリアルタイムに採集する。機器学習モデルの出力は、ＡＤＶの速度コントローラの速度制御パラメータを微調整して後続の速度制御コマンド（例えば、アクセルコマンド、ブレーキコマンド）を生成するように用いられる。

一実施形態において、目標速度に基づいて速度制御コマンド（例えば、アクセルコマンド、ブレーキコマンド）を発信すると、当該速度制御コマンドに応答してＡＤＶの予想速度と実際速度に基づいて第一フィードバックパラメータを決定する。機器学習モデル（速度制御パラメータ調整（ＳＰＣＡ）モデルと呼ばれる）をタイミングでキャプチャし又は測定される入力パラメータのセットに適用することにより第二フィードバックパラメータを決定する。入力パラメータのセットは当該タイミングにおけるＡＤＶの運転環境を示す。第一フィードバックパラメータと第二フィードバックパラメータに基づいてＡＤＶの速度コントローラの一つ又は複数の制御パラメータ（例えば、係数と利得）を調整する。なお、速度コントローラは、速度制御コマンドを生成し発信するように配置される。速度コントローラの調整後の制御パラメータに基づいて後続の速度制御コマンドを生成することができる。各種の車両（例えば、類似の車両）からキャプチャされた多くの運転統計情報に基づいてオフラインにＳＣＰＡモデルを生成し訓練することができる。

図１は、本発明の一実施形態による自動運転車両のネットワーク構成を示すブロック図である。図１を参照し、ネットワーク構成１００は、ネットワーク１０２を介して一つ又は複数のサーバ１０３〜１０４と通信可能に接続できる自動運転車両１０１を具備する。一つの自動運転車両が示されたが、複数の自動運転車両は互いにネットワーク１０２を介して接続されても良く、及び／又はサーバ１０３〜１０４に接続されても良い。ネットワーク１０２は、任意のタイプのネットワーク、例えば、有線又は無線のローカルエリアネットワーク（ＬＡＮ）、インターネットのような広域ネットワーク（ＷＡＮ）、セルラーネットワーク、衛星ネットワーク或いはそれらの組み合わせであっても良い。サーバ１０３〜１０４は、任意のタイプのサーバ又はサーバグループ、例えば、ネットワーク又はクラウドサーバ、アプリサーバ、ブラックグランドサーバ或いはそれらの組み合わせであっても良い。サーバ１０３〜１０４は、データ解析サーバ、コンテンツサーバ、交通情報サーバ、地図及び興味点（ＭＰＯＩ）サーバ或いは位置サーバなどであっても良い。

自動運転車両は自動運転モードに配置可能な車両であっても良い。前記自動運転モードにおいて、車両はドライバーからの入力が無く、或いは非常に少ない場合に環境を案内して通過する。このような自動運転車両はセンサシステムを具備しても良く、センサシステムは車両の走行環境に関する情報を検出するように配置される一つ又は複数のセンサを具備する。車両と関連するコントローラは、検出された情報を利用して前記環境を案内する。自動運転車両１０１は、マニュアルモード、全自動運転モード或いは一部の自動運転モードにおいて走行可能である。

一実施形態において、自動運転車両１０１は、検知／企画システム１１０、車両制御システム１１１、無線通信システム１１２、ユーザインターフェースシステム１１３、情報娯楽システム１１４及びセンサシステム１１５を含むが、それらに限定されない。自動運転車両１０１は更に通常の車両に含まれる幾つかの常用部品、例えばエンジン、車輪、ハンドル、変速機などを含んでも良い。前記部品は車両制御システム１１１及び／又は検知／企画システム１１０により複数の通信信号及び／又はコマンドを使用して制御されても良い。当該複数の通信信号及び／又はコマンドは例えば加速信号又はコマンド、減速信号又はコマンド、操舵信号又はコマンド、制動信号又はコマンドなどである。

部品１１０〜１１５は、インターコネクト、バス、ネットワーク或いはそれらの組み合わせを介して通信可能に互いに接続されても良い。例えば、部品１１０〜１１５は、コントローラローカルエリアネットワーク（ＣＡＮ）バスを介して通信可能に互いに接続されても良い。ＣＡＮバスは、マイクロコントローラと装置がホストコンピュータのないアプリにおいて互いに通信することを許すように設定される車両バス基準である。それは最初に車両内におけるマルチプレックス電気配線の設計に用いられる、メッセージによるプロトコルであるが、他の環境にも広く用いられる。

図２を参照し、一実施形態において、センサシステム１１５は一つ又は複数のカメラ２１１、グローバルポジションシステム（ＧＰＳ）ユニット２１２、慣性測定ユニット（ＩＭＵ）２１３、レーダユニット２１４及び光学探測／距離測定（ＬＩＤＡＲ）ユニット２１５を含むが、それらに限定されない。ＧＰＳシステム２１２は送受信機を含むことができる。前記送受信機は、操作により自動運転車両の位置に関する情報を提供可能である。ＩＭＵユニット２１３は慣性加速度に基いて自動運転車両の位置及び方向変化を探測することができる。レーダユニット２１４は、無線電気信号を利用して自動運転車両のローカル環境における目標を検知するシステムとして表すことができる。幾つかの実施形態において、目標の検知以外、レーダユニット２１４は、付加的に目標の速度及び／又は進行方向も検知することができる。ＬＩＤＡＲユニット２１５は、レーザを使用して自動運転車両の位置する環境における目標を検知することができる。他のシステム部品以外に、ＬＩＤＡＲユニット２１５は更に一つ又は複数のレーザ光源、レーザスキャナ及び一つ又は複数の検出器を含んでも良い。カメラ２１１は、自動運転車両の周囲環境の画像を取得する一つ又は複数の装置を含んでも良い。カメラ２１１は静止物カメラ及び／又はビデオカメラであっても良い。カメラは機械的に移動できるものであっても良く、例えば、カメラを回転的及び／又は傾斜的な仕事台に装着することができる。

センサシステム１１５には、他のセンサ、例えばソナーセンサ、赤外線センサ、操舵センサ、アクセルセンサ、ブレーキセンサ及びラジオセンサ（例えば、マイクロフォン）が含まれても良い。ラジオセンサは、自動運転車両の周囲の環境から音声を取得するように配置されても良い。操舵センサはハンドル、車両の車輪又はそれらの組み合わせの操舵角を検出するように配置されても良い。アクセルセンサとブレーキセンサはそれぞれ車両のアクセル位置とブレーキ位置を検出する。ある場合に、アクセルセンサとブレーキセンサは集積型のアクセル／ブレーキセンサとして集積されても良い。

一実施形態において、車両制御システム１１１は操舵ユニット２０１、アクセルユニット２０２（加速ユニットとも呼ばれる）とブレーキユニット２０３を含むが、それらに限定されない。操舵ユニット２０１は車両の方向又は進行方向を調整するために用いられる。アクセルユニット２０２は電動機又はエンジンの速度を制御するために用いられ、電動機又はエンジンの速度は更に車両の速度と加速度を制御するために用いられる。ブレーキユニット２０３は、摩擦を提供して車両の車輪又はタイヤを減速させることにより車両を減速させる。注意すべきなのは、図２に示された部品はハードウェア、ソフトウェア或いはそれらの組み合わせで実施することができる。

図１に戻し、無線通信システム１１２は、自動運転車両１０１と装置、センサ、他の車両などのような外部システムとの間の通信を許す。例えば、無線通信システム１１２は、一つ又は複数の装置と直接的に無線通信しても良く、或いは通信ネットワークを経由して無線通信し、例えばネットワーク１０２を経由してサーバ１０３〜１０４と通信しても良い。無線通信システム１１２は、如何なるセルラー通信ネットワーク又は無線ローカルエリアネットワーク（ＷＬＡＮ）、例えばＷｉＦｉを使用して他の部品又はシステムと通信することができる。無線通信システム１１２は、例えば赤外線リンク、ブルートゥース（登録商標）などを使用して装置（例えば、乗客の携帯装置、表示装置、車両１０１内のスピーカ）と直接的に通信する。ユーザインターフェースシステム１１３は、車両１０１内に実施される周辺機器の部分であっても良く、例えばキーワード、タッチパネル表示装置、マイクロフォン及びスピーカなどを含む。

自動運転車両１０１の機能のうちの一部又は全部は、特に自動運転モードで操作される場合に、検知／企画システム１１０により制御し又は管理されることができる。検知／企画システム１１０は、センサシステム１１５、制御システム１１１、無線通信システム１１２及び／又はユーザインターフェースシステム１１３から情報を受信し、受信された情報を処理し、開始点から目標点までの路線又は経路を企画した後に、企画と制御情報に基づいて車両１０１を運転するように、必要なハードウェア（例えば、プロセッサ、メモリ、記憶デバイス）とソフトウェア（例えば、操作システム、企画と路線設定プログラム）を含む。その代わりに、検知／企画システム１１０は車両制御システム１１１と一体に集積されても良い。

例えば、乗客であるユーザは、例えばユーザインターフェースを介してトリップの開始位置と目標地を指定することができる。検知／企画システム１１０はトリップに関連するデータを取得する。例えば、検知／企画システム１１０は、ＭＰＯＩサーバから位置と路線情報を取得することができる。前記ＭＰＯＩサーバはサーバ１０３〜１０４の一部であっても良い。位置サーバは位置サービスを提供し、ＭＰＯＩサーバは地図サービスとある位置のＰＯＩを提供する。その代わりに、このような位置とＭＰＯＩ情報は、ローカルに検知／企画システム１１０の非揮発的な記憶装置にキャッシュされても良い。

自動運転車両１０１が路線に沿って移動している場合に、検知／企画システム１１０は交通情報システム又はサーバ（ＴＩＳ）からリアルタイムの交通情報を取得することもできる。注意すべきなのは、サーバ１０３〜１０４は第三の者のものに操作されても良い。その代わりに、サーバ１０３〜１０４の機能は検知／企画システム１１０と一体に集積されても良い。検知／企画システム１１０は、リアルタイム交通情報、ＭＰＯＩ情報と位置情報、及びセンサシステム１１５により検出され又は検知されるリアルタイムのローカル環境データ（例えば、障害物、目標、付近の車両）に基いて、最適な路線を企画し且つ企画された路線に従って例えば制御システム１１１を介して車両１０１を運転することにより、所定の目標地まで安全的且つ効率的に到達可能である。

サーバ１０３は、各種のクライアントに対してデータ解析サービスを実行するデータ解析システムであっても良い。一実施形態において、データ解析システム１０３は、データ採集器１２１と、機器学習エンジン１２２とを含む。データ採集器１２１は、複数種の車両（自動運転車両又は人間の運転者により運転される通常の車両）から運転統計情報１２３を採集する。運転統計情報１２３には、配布される運転コマンド（例えば、アクセルコマンド、ブレーキコマンド、操舵コマンド）を示す情報及び異なるタイミングで車両のセンサにより採集される車両の応答（例えば、速度、加速、減速、方向）を示す情報が含まれる。運転統計情報１２３は更に、異なるタイミングにおける運転環境を記述する情報、例えば、路線（出発位置と目的地の位置を含む）、ＭＰＯＩ、道路条件、気候条件などを含んでも良い。

機器学習エンジン１２２は、運転統計情報１２３に基いて、各種の目的のためにルール、アルゴリズム及び／又は予測モデル１２４のセットを実行し又は訓練する。一実施形態において、アルゴリズム／モデル１２４は、自動運転車両の速度を制御するための速度制御パラメータ又は利得のセットを含むことができる。アルゴリズム／モデル１２４は、特定のタイプの車両に関連するパワートレーン参照モデルを更に含んでも良い。アルゴリズム／モデル１２４は、（複数の）機器学習モデル（例えば、ＳＣＰＡモデル）を更に含んでオンラインに使用することにより、リアルタイムで動的にキャプチャされる入力パラメータのセットに基づいて動的に速度コントローラの速度制御パラメータを調整するフィードバックパラメータを生成することもできる。機器学習エンジンは、ユーザの運転統計情報に基づいて運転ＡＤＶのユーザのユーザファイルを生成することもできる。ユーザのユーザファイルは、異なる運転環境におけるユーザの運転好みを示す情報を含んでも良い。そして、アルゴリズム／モデル１２４とユーザファイルをＡＤＶにアップロードして、特に動的にＡＤＶの一つ又は複数の速度制御パラメータを調整するようにオンラインに使用することができる。

図３は、本発明の一実施形態による自動運転車両と一緒に使用される検知／企画システムの例示のブロック図を示した。システム３００は、図１の自動運転車両１０１の一部として実施されても良く、検知／企画システム１１０、制御システム１１１とセンサシステム１１５を含むが、それらに限定されない。図３を参照し、検知／企画システム１１０には、位置決めモジュール３０１、検知モジュール３０２、策定モジュール３０３、企画モジュール３０４及び制御モジュール３０５が含まれるが、それらに限定されない。

モジュール３０１〜３０５のうち一部又は全部は、ソフトウェア、ハードウェア或いはそれらの組み合わせで実施されても良い。例えば、これらのモジュールは、非揮発的な記憶装置３５２にインストールされ、メモリ３５１にロードされ、且つ一つ又は複数のプロセッサ（図示しない）により実行されても良い。注意すべきなのは、これらのモジュールのうち一部又は全部は、通信可能に図２の車両制御システム１１１の一部又は全部のモジュールに接続され、或いはそれらと一体に集積されても良い。モジュール３０１〜３０５のうち一部は、一体に集積モジュールとして集積可能である。

位置決めモジュール３０１（地図／路線モジュールと呼ばれる）はユーザのトリップ又は路線に関連する如何なるデータを管理する。ユーザは例えばユーザインターフェースを経由して登録してトリップの開始位置と目的地を指定することができる。位置決めモジュール３０１は自動運転車両３００における地図／路線情報３１１のような他の部品と通信してトリップに関するデータを取得する。例えば、位置決めモジュール３０１は位置サーバと地図／ＰＯＩ（ＭＰＯＩ）サーバから位置と路線情報を取得することができる。位置サーバは位置サービスを提供し、ＭＰＯＩサーバは地図サービスとある位置のＰＯＩを提供することにより、地図／路線情報３１１の一部としてキャッシュされることができる。自動運転車両３００が路線に沿って移動する際に、位置決めモジュール３０１は交通情報システム又はサーバからリアルタイムの交通情報を取得することもできる。

検知モジュール３０２は、センサシステム１１５により提供されたセンサデータと、位置決めモジュール３０１により取得された位置決め情報に基づいて、周囲の環境への検知を決定する。検知情報は、通常のドライバーがドライバーにより運転されている車両周囲において検知すべきものを示すことができる。検知は、例えば目標の形を採用する車線配置（例えば、直線車線又はカーブ車線）、信号機信号、他の車両の相対位置、歩行者、建築、横断歩道又は他の交通関連標識（例えば、停止標識、譲り標識）などを含むことができる。

検知モジュール３０２は、一つ又は複数のカメラにより採集される画像を処理し解析して自動運転車両の環境における目標及び／又は特徴を識別するように、コンピュータ視覚システム又はコンピュータ視覚システムの機能を含むことができる。前記目標は、交通信号、道路の境界、他の車両、歩行者及び／又は障害物などを含むことができる。コンピュータ視覚システムは、目標識別アルゴリズム、ビデオトラッキング及び他のコンピュータ視覚技術を使用することができる。幾つかの実施形態において、コンピュータ視覚システムは、環境地図を描画し、目標を追跡し、及び目標の速度などを推定することができる。検知モジュール３０２は、レーダ及び／又はＬＩＤＡＲのような他のセンサにより提供される他のセンサデータに基いて目標を検出することもできる。

目標ごとに対して、策定モジュール３０３は目標をどのように処置するかについての決定を下す。例えば、特定の目標（例えば、交差の路線における他の車両）及び目標を描画するメタデータ（例えば、速度、方向、操舵角度）について、策定モジュール３０３は前記目標とどのように出会うか（例えば、追い越し、譲り、停止、追い抜き）を決定する。策定モジュール３０３は交通ルール又は運転ルール３１２のルールセットに基づいてこのような決定を下すことができる。前記ルールセットは非揮発的な記憶装置３５２に記憶されても良い。

企画モジュール３０４は、検知された目標のそれぞれに対する決定に基づいて、自動運転車両に経路又は路線及び運転パラメータ（例えば、距離、速度及び／又は操舵角度）を企画する。言い換えれば、所定の目標について、策定モジュール３０３は当該目標に対してなにをするかを決定し、企画モジュール３０４はどのようにするかを決定する。例えば、所定の目標について、策定モジュール３０３は前記目標を追い越すことを決定することができ、企画モジュール３０４は前記目標の左側か右側に追い越すことを決定することができる。企画と制御データは、企画モジュール３０４により生成され、車両３００が次の移動循環（例えば、次の路線／経路区間）においてどのように移動するかを描画する情報を含む。例えば、企画と制御データは、車両３００が３０マイル／時間（ｍｐｈ）の速度で１０メートルだけ移動し、その後に２５ ｍｐｈの速度で右側の車線に変更するように指示することができる。

制御モジュール３０５は、企画と制御データに基づいて、企画と制御データにより限定された路線又は経路に応じて適当なコマンド又は信号を車両制御システム１１１に送信することにより自動運転車両を制御し運転する。前記企画と制御データは、経路又は路線に沿って異なるタイミングで適当な車両設置又は運転パラメータ（例えば、アクセル、ブレーキと操舵コマンド）を使用することにより車両を路線又は経路の第一の点から第二の点まで運転するように十分な情報を有する。

注意すべきなのは、策定モジュール３０３と企画モジュール３０４は、集積モジュールとして集積することができる。策定モジュール３０３／企画モジュール３０４は、自動運転車両の運転経路を決定するように、ナビゲーションシステム又はナビゲーションシステムの機能を具備することができる。例えば、ナビゲーションシステムは、自動運転車両が下記の経路に沿って移動することを実現する一連の速度と進行方向を決定することができる。前記経路は、自動運転車両を最終の目的地まで走行させる車線による経路に沿って進行させると共に、基本的に検知された障害物を回避する。目的地は、ユーザインターフェースシステム１１３を経由して行われたユーザ入力に基づいて設定されても良い。ナビゲーションシステムは自動運転車両が運転していると同時に動的に運転経路を更新することができる。ナビゲーションシステムは、自動運転車両のための運転経路を決定するように、ＧＰＳシステムと一つ又は複数の地図からのデータを合併することができる。

策定モジュール３０３／企画モジュール３０４は、識別、推定及び回避、或いは他の手段で自動運転車両の環境における潜在の障害物を越えるように、更に衝突回避システム又は衝突回避システムの機能を具備する。例えば、衝突回避システムは、以下の手段で自動運転車両のナビゲーションにおける変化を実現することができる。即ち、操作制御システム１１１のうち一つ又は複数のサブシステムは操舵操作、回転操作、制動操作などを採用する。衝突回避システムは、周囲の交通モード、道路状況などに基いて自動的に実現可能な障害物回避操作を決定することができる。衝突回避システムは、他のセンサシステムにより自動運転車両が方向変更して進入しようとする隣接領域における車両、建築障害物などが検出された時に操舵操作を行わないように配置することができる。衝突回避システムは、使用可能で且つ自動運転車両の乗員の安全性を最大化させる操作を自動的に選択することができる。衝突回避システムは、自動運転車両の車室に最小値の加速度が発生させるように予測される回避操作を選択することができる。

一実施形態において、制御モジュール３０５は、速度コントローラ３０６とパラメータアダプティブモジュール３０７を備える。速度コントローラ３０６は、企画モジュール３０４により提供された企画と制御データに基づいて速度制御コマンドを生成するように配置される。速度制御コマンドは、アクセルコマンド又はブレーキコマンドであっても良い。アクセルコマンドは、最大加速率を示す最大アクセル値のパーセンテージを指示するデータを含み、アクセルパーセンテージとも呼ばれる。同様に、ブレーキコマンドは、最大制動率を示す最大制動値の制動パーセンテージで示すことができ、ブレーキパーセンテージとも呼ばれる。

パラメータアダプティブモジュール３０７は、各種のソースからのフィードバック情報に適応するように配置される。フィードバック情報は、企画モジュール３０４により企画される目標速度を考慮し、速度制御コマンドに応答した、パワートレーン参照モデル３１４とＡＤＶの実際速度に基づく予期ＡＤＶ速度を含んでも良い。車両の運転統計情報又は車両のタイプに基づいてオフラインにＳＣＰＡモデル３１３とパワートレーンモデル３１４を生成することができる。例えば、ＳＣＰＡモデル３１３とパワートレーン参照モデル３１４は、データ解析システム１０３により生成し訓練されても良い。フィードバック情報又はパラメータは、ＳＣＰＡモデル３１３をリアルタイムにキャプチャされる入力パラメータのセットに適用することにより生成されるフィードバックパラメータを含んでも良い。入力パラメータのセットは、天気状況、道路状況、風抵抗、地図と興味点、車両の重量及び／又はタイヤ空気圧などを含んでも良い。入力パラメータのセットは、乗客に関するユーザファイル３１５から取得されるユーザの運転好みを更に含んでも良い。ユーザファイル３１５は、以前の運転統計情報又は特定ユーザ又はユーザタイプの行為に基づいてオフラインにコンパイルされても良い。

パラメータアダプティブモジュール３０７により提供されるフィードバックパラメータ又はデータに基づいて、速度コントローラ３０６の制御パラメータが調整され、且つ後続の速度制御コマンドは、速度コントローラ３０６により調整された速度制御パラメータを使用して生成されても良い。速度制御パラメータは、速度コントローラ３０６におけるコントローラの係数又は利得であっても良い。例えば、速度コントローラ３０６は、比例−積分−微分（ＰＩＤ）コントローラによりモデリングし又は実施することができる。ＰＩＤコントローラは、比例係数、積分係数と微分係数によりモデリングすることができる。これらの係数は、データ解析システム（例えばデータ解析システム又はサーバ１０３）により多くの運転統計情報に基づいてオフラインで初期に以下のように配置することができる。

なお、Ｋ_ｐ、Ｋ_ｉとＫ_ｄはＰＩＤコントローラの比例係数、積分係数と微分係数である。

ＰＩＤは、工業制御システムにおいて常用される制御回路フィードバック構造（コントローラ）である。ＰＩＤコントローラは、所望の設定点と測定のプロセス変数との間の差である誤差値を連続的に算出し、且つ比例（Ｋ_ｐ）、積分（Ｋ_ｉ）、微分（Ｋ_ｄ）の項に基づいて補正を行う。ＰＩＤコントローラは、所望の設定点と測定のプロセス変数との間の差である誤差値を連続的に算出し、且つ比例、積分、微分の項に基づいて補正を行う。コントローラは、制御変数を加重和で決定された新たな値に調整して時間の経過につれて誤差を最小化することを試みる。一実施形態において、パラメータアダプティブモジュール３０７の出力は、オンラインで動的にＰＩＤコントローラのＫ_ｐ、Ｋ_ｉとＫ_ｄのうちの少なくとも一つを調整するように用いられる。

図４は、本発明の一実施形態による速度コントローラを示したプロセス図である。図４を参照し、企画モジュール３０４は、策定モジュールにより提供された策定データに基づいて、目標速度（Ｒ）を含む企画と制御データを生成する。目標速度は速度コントローラ３０６に提供される。速度コントローラ３０６は、企画モジュール３０４からの目標速度に基づいて、速度制御コマンド（Ｕ）を生成して車両プラットフォーム３２０に送信する。当該例示において、速度制御コマンド（Ｕ）は、アクセルパーセンテージで示されるアクセルコマンドである。車両の実際速度（Ｙ）は、速度制御コマンドに応答して測定される。また、目標速度（Ｒ）に基づいてパワートレーン参照モデル３１４を使用して予想速度（Ｙｍ）を算出する。

パワートレーン参照モデル３１４は、対応する車両のエンジン、変速機、トレーンデータに基づいてオフラインに生成することができる。これは車両設計特性による車両特定モデルである。パワートレーン参照モデル３１４は、車両に基づいて特定で設計される目標速度を考慮して予想速度を提供する。実際速度（Ｙ）と予想速度（Ｙｍ）との差値（Ｅ）（即ちＥ ＝ ｜ Ｙ−Ｙｍ ｜）は、第一入力（第一フィードバックパラメータとも呼ばれる）としてパラメータアダプティブモジュール３０７にフィードバックされる。

また、入力パラメータ３２５のセットは、運転される際にキャプチャし又は測定され、動的入力パラメータとも呼ばれる。入力パラメータ３２５は、天気状況、道路状況、現在交通状況、風抵抗、地図位置及び／又は興味点、車両の重量、タイヤのタイヤ空気圧などを含んでも良い。入力パラメータ３２５は、現在に車両の乗客とするユーザのユーザ運転好みを含んでも良い。ユーザ運転好みは、ユーザの以前の運転統計情報に基づいてユーザファイルの一部として決定することができる。運転好みは、回転の平均速度、回転半径、車線を変更する速度と距離、路線選択の好みを含んでも良い。入力パラメータのセットは、第二フィードバックパラメータを生成するＳＣＰＡモデル３１３にフィードされる。図５に示されるように、ＳＣＰＡモデル３１３は、以前の運転統計情報に基づいてオフラインに生成しモデリングされる機器学習モデルである。第二フィードバックパラメータは、第二入力としてパラメータアダプティブモジュール３０７に提供される。

また、実際速度コマンド（例えば、アクセルパーセンテージ又はブレーキパーセンテージ）を第三入力としてパラメータアダプティブモジュール３０７に提供される。実際速度コマンドは、以前コマンドのサイクルの以前速度制御コマンドとして、現在／次のコマンドサイクルの速度制御コマンドを決定する。パラメータアダプティブモジュール３０７は、第一フィードバックパラメータ（ｅ）、第二フィードバックパラメータ（ＳＣＰＡモデルの出力）と第三フィードバックパラメータ（実際速度コマンド）に基づいて、一つ又は複数の速度制御パラメータ（例えば、ＰＩＤコントローラのＫ_ｐ、Ｋ_ｉとＫ_ｄ）を調整することを示すアダプティブデータを生成する。第一、第二及び／又は第三フィードバックパラメータに基づいて所定の重み付き公式を使用して前記調整を決定することができる。各フィードバックパラメータは、特定の重み因子又は重み係数に関連することができる。当該重み因子又は重み係数は、データ解析システム１０３によりオフラインに決定し又はモデリングすることができる。そして、速度コントローラ３０６は当該調整を利用して一つ又は複数の速度制御パラメータを調整し又は補正する。そして、速度コントローラ３０６は、調整された速度制御パラメータを使用して後続の速度制御コマンドを生成する。

図６は、本発明の一実施形態による、自動運転車両を操作する速度コントローラの速度制御パラメータを調整する過程を示すフローチャートである。プロセス６００は、処理ロジックにより実行されてもよい。処理ロジックは、ソフトウェア、ハードウェア又はそれらの組み合わせを含むことができる。例えば、プロセス６００は、図３の制御モジュール３０５により実行されても良い。図６を参照し、操作６０１において、処理ロジックは、目標速度に基づいて発信される速度制御コマンドに応答し、ＡＤＶの予想速度と実際速度に基づいて第一フィードバックパラメータを決定する。操作６０２において、処理ロジックは、ＳＰＣＡモデルをリアルタイムに取得される入力パラメータのセットに適用することにより、第二フィードバックパラメータを決定する。入力パラメータのセットは、あるタイミングにおけるＡＤＶの運転環境（例えば、天気状況、道路状況、風抵抗、地図と興味点、タイヤ空気圧）を示す。操作６０３において、処理ロジックは、第一と第二フィードバックパラメータに基づいて速度制御コマンドを発信する速度コントローラの一つ又は複数の制御パラメータ（例えば、係数と利得）を動的に調整する。操作６０４において、処理ロジックは、速度コントローラの調整後の制御パラメータに基づいて後続の速度制御コマンドを生成する。

注意すべきなのは、いままで示され説明された部品における一部又は全部がソフトウェア、ハードウェア又はそれらの組み合わせで実施可能である。例えば、このような部品は非揮発的な記憶装置にインストールされ記憶されるソフトウェアとして実施可能である。前記ソフトウェアは、プロセッサ（図示しない）によりメモリにロードされてメモリに実行されることにより本願の全文に記述されたプロセス又は操作を実施することができる。その代わりに、このような部品は、専用ハードウェア（例えば、集積回路（例えば、専用集積回路又はＡＳＩＣ）、デジタル信号プロセッサ（ＤＳＰ）或いはフィールドプログラマブルゲートアレイ（ＦＰＧＡ））にプログラミングされ、或いは組み込まれた実行可能なコードとして実施可能である。前記実行可能なコードは、アプリからの相応的なドライブプログラム及び／又は操作システムを介してアクセス可能である。また、そのような部品はプロセッサ又はプロセッサのコアにおける特定なハードウェアロジックとして実施され、ソフトウェア部品により一つ又は複数の特定なコマンドを介してアクセスされるコマンドセットの一部とすることができる。

図７は本発明の一実施形態と共に使用可能なデータ処理システムの例示を示したブロック図である。例えば、システム１５００は、以上で説明された前記プロセス又は方法の何れか一つを実行する如何なるデータ処理システム、例えば、図１の検知／企画システム１１０又はサーバ１０３〜１０４のうちの何れか一つを示すことができる。システム１５００は異なる部品を多く具備することができる。これらの部品は、集積回路（ＩＣ）、集積回路の一部、独立な電子装置又はプリント基板（例えば、コンピュータシステムのマザーボード又はインサートカード）に適用される他のモジュールとして実行可能し、或いは他の方式でコンピュータシステムのフレームに設置される部品として実施可能である。

注意すべきなのは、システム１５００はコンピュータシステムの複数の部品のハイレベルビューを示した。理解すべきなのは、幾つかの実施例に付加的な部品を具備しても良く、また他の実施例に示された部品の異なる配置を具備しても良い。システム１５００は、デスクトップコンピュータ、ノードパソコン、タブレット、サーバ、モバイルフォン、メディアプレーヤ、パーソナルデジタルアシスタント（ＰＤＡ）、スマート腕時計、パーソナル通信機、ゲーム装置、ネットワークルータ又はハブ、無線アクセスポイント（ＡＰ）又はリピータ、セットトップボックス或いはそれらの組み合わせを示すことができる。また、単一の機器又はシステムが示されたが、単語「機器」又は「システム」は更に一つ（又は複数の）コマンドセットを単独で或いは協同的に実行することにより、本文に説明された任意の一つ又は複数の方法を実行する機器或いはシステムの如何なるセットを含むことを理解すべきである。

一実施形態において、システム１５００は、バス又はインターコネクタ１５１０を介して接続されるプロセッサ１５０１、メモリ１５０３及び装置１５０５〜１５０８を具備する。プロセッサ１５０１は、そのうちに単一のプロセッサコア、又は複数のプロセッサコアの単一のプロセッサ、又は複数のプロセッサが含まれることを表すことができる。プロセッサ１５０１は、一つ又は複数の汎用プロセッサ、例えばマイクロプロセッサ、中央処理ユニット（ＣＰＵ）などを表すことができる。具体的に、プロセッサ１５０１は複雑コマンドセット演算（ＣＩＳＣ）マイクロプロセッサ、簡単コマンドセット演算（ＲＩＳＣ）マイクロプロセッサ、超長コマンドワード（ＶＬＩＷ）マイクロプロセッサ、或いは他のコマンドセットを実施するプロセッサ、或いはコマンドセットの組み合わせを実施するプロセッサであっても良い。プロセッサ１５０１は更に一つ又は複数の専用プロセッサ、例えば専用集積回路（ＡＳＩＣ）、セルラー又はベースバンドプロセッサ、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、デジタル信号プロセッサ（ＤＳＰ）、ネットワークプロセッサ、図形プロセッサ、ネットワークプロセッサ、通信プロセッサ、暗号化プロセッサ、セカンドプロセッサ、組み込みプロセッサ、或いはコマンドを処理可能な任意の他のタイプのロジックであっても良い。

プロセッサ１５０１（ローパワーマルチコアプロセッサソケット、例えば超低電圧プロセッサであっても良い）は前記システムの各部品と通信用のメイン処理ユニットと中央ハブとして使用可能である。このようなプロセッサは、チップ上システム（ＳｏＣ）として実施可能である。プロセッサ１５０１は、本文に説明された操作及びステップを実行するためのコマンドを実行するように配置される。システム１５００は更に選択可能な図形サブシステム１５０４と通信するための図形インターフェースを含んでも良い。図形サブシステム１５０４は、表示コントローラ、図形プロセッサ及び／又は表示装置を含んでも良い。

プロセッサ１５０１はメモリ１５０３と通信可能である。ある実施形態において、メモリ１５０３は複数のメモリ装置を介して実施されることにより定量のシステム記憶が提供可能である。メモリ１５０３は、一つ又は複数の揮発的な記憶（或いはメモリ）装置、例えばランダムアクセスメモリ（ＲＡＭ）、ダイナミックＲＡＭ（ＤＲＡＭ）、同期ＤＲＡＭ（ＳＤＲＡＭ）、スタティックＲＡＭ（ＳＲＡＭ）又は他のタイプの記憶装置を含んでも良い。メモリ１５０３はプロセッサ１５０１又は他の任意の装置により実行されるコマンドシーケンスを含む情報を記憶可能である。例えば、各操作システム、装置ドライブプログラム、ファームウェア（例えば、入出力基盤システム又はＢＩＯＳ）及び／又はアプリの実行可能なコード及び／又はデータは、メモリ１５０３にロードされ且つプロセッサ１５０１により実行可能である。操作システムは、任意のタイプの操作システム、例えばロボット操作システム（ＲＯＳ）、Ｍｉｃｒｏｓｏｆｔ（登録商標）会社からのＷｉｎｄｏｗｓ（登録商標）操作システム、アップル会社からのＭａｃ ＯＳ（登録商標）／ｉＯＳ（登録商標）、Ｇｏｏｇｌｅ（登録商標）会社からのＡｎｄｒｏｉｄ（登録商標）、ＬＩＮＵＸ（登録商標）、ＵＮＩＸ（登録商標）、或いは他のリアルタイム又は組み込み操作システムであっても良い。

システム１５００は更にＩＯ装置、例えばネットワークインターフェース装置１５０５、選択可能な入力装置１５０６、及び他の選択可能なＩＯ装置１５０７を含む装置１５０５〜１５０８を含む。ネットワークインターフェース装置１５０５は、無線送受信機及び／又はネットワークインターフェースカード（ＮＩＣ）を含んでも良い。前記無線送受信機は、ＷｉＦｉ送受信機、赤外線送受信機、ブルートゥース（登録商標）送受信機、ＷｉＭａｘ送受信機、無線セルラー電話送受信機、衛星送受信機（例えば、グロバールポジションシステム（ＧＰＳ）送受信機）、他の無線周波数（ＲＦ）送受信機或いはそれらの組み合わせであっても良い。ＮＩＣはイーサネット（登録商標）カードであっても良い。

入力装置１５０６は、マウス、タッチパネル、タッチセンシティブスクリーン（表示装置１５０４と一体化に集積可能）、指示装置（例えばスタイラス）及び／又はキーボード（例えば、物理キーボード又はタッチセンシティブスクリーンの一部として表示される仮想キーボード）を含んでも良い。例えば、入力装置１５０６はタッチパネルに接続されるタッチパネルコントローラを含んでも良い。タッチパネルとタッチパネルコントローラは、例えば複数種類のタッチセンシティブ技術（コンデンサ、抵抗、赤外と表面弾性波技術を含むが、それらに限定されない）のうちの何れか一つ、及び他の近隣センサアレイ又はタッチパネルと接触する一つ又は複数のポイントを特定するための他の素子を利用してその接触、移動又は中断を検出する。

ＩＯ装置１５０７はラジオ装置を含んでも良い。ラジオ装置は、例えば音声識別、音声複製、デジタル記録及び／又は電話機能のような音声をサポートする機能を促進するように、スピーカ及び／又はマイクロフォンを含んでも良い。他のＩＯ装置１５０７は、ユニバーサルシリアルバス（ＵＳＢ）ポート、パラレルポート、シリアルポート、プリンター、ネットワークインターフェース、バスブリッジ（例えば、ＰＣＩ−ＰＣＩブリッジ）、センサ（例えば、加速度計のような運動センサ、ジャイロ、磁力計、光センサ、コンパス、近接センサなど）或いはそれらの組み合わせを更に含んでも良い。装置１５０７は画像形成処理サブシステム（例えば、カメラ）を含んでも良い。前記画像形成処理サブシステムは、カメラ機能（例えば、写真とビデオセグメントを記録する）を促進するための光学センサ、例えば電荷結合装置（ＣＣＤ）又は相補型金属酸化物半導体（ＣＭＯＳ）の光学センサを含んでも良い。幾つかのセンサはセンサハブ（図示しない）を介してインターコネクタ１５１０に接続されても良い。キーボード又は熱センサのような他の装置は、システム１５００の具体的な配置又は設計に応じて組み込みコントローラ（図示しない）により制御されても良い。

例えばデータ、アプリ、一つ又は複数の操作システムなどの情報の非揮発的な記憶を提供するために、大容量の記憶デバイス（図示しない）はプロセッサ１５０１に接続されても良い。各実施形態において、より薄い且つより軽いシステム設計を実現すると共にシステムの応答性を改善するために、このような大容量の記憶デバイスは、ソリッドステートデバイス（ＳＳＤ）により実施されても良い。ところが、他の実施形態において、大容量の記憶デバイスは、主にハードディスクドライバー（ＨＤＤ）を使用して実施されても良い。そのうち、容量の小さいＳＳＤ記憶デバイスは、ＳＳＤキャッシュとして使用されて断電の間にコンテキスト及び他の類似の情報の非揮発的な記憶を実現することにより、システムの動作が再起動される時に快速給電を実現することができる。また、フラッシュメモリは、例えばシリアルペリフェラルインターフェース（ＳＰＩ）を介してプロセッサ１５０１に接続されても良い。このようなフラッシュメモリは、システムソフトウェアの非揮発的な記憶を提供することができる。前記システムソフトウェアには、前記システムのＢＩＯＳ及び他のファームウェアが含まれる。

記憶装置１５０８は、本文に記載された任意の一つ又は複数の方法或いは機能を表す一つ又は複数のコマンドセット又はソフトウェア（例えば、モジュール、ユニット及び／又はロジック１５２８）が記憶されるコンピュータアクセス可能な記憶媒体１５０９（機器読取可能な記憶媒体或いはコンピュータ読取可能な媒体とも呼ばれる）を含んでも良い。処理モジュール／ユニット／ロジック１５２８は、前記部品のうちの何れか一つ、例えば検知モジュール３０２を示すことができる。処理モジュール／ユニット／ロジック１５２８は、データ処理システム１５００、メモリ１５０３及びプロセッサ１５０１により実行される間に完全的又は少なくとも一部的にメモリ１５０３内及び／又はプロセッサ１５０１内に保存されても良い。データ処理システム１５００、メモリ１５０３及びプロセッサ１５０１も機器読取可能な記憶媒体として構成される。処理モジュール／ユニット／ロジック１５２８は、ネットワークによりネットワークインターフェース装置１５０５を介して伝送し又は受信可能である。

コンピュータ読取可能な記憶媒体１５０９は、以上で説明された幾つかのソフトウェア機能を永遠に記憶しても良い。コンピュータ読取可能な記憶媒体１５０９は、例示的な実施形態において単一の媒体として示されたが、「コンピュータ読取可能な記憶媒体」という用語は前記一つ又は複数のコマンドセットを記憶する単一の媒体又は複数の媒体（例えば、集中式又は分散式のデータベース及び／又は関連のキャッシュ及びサーバ）を含むと理解すべきである。「コンピュータ読取可能な記憶媒体」という用語は、コマンドセットを記憶し又はコーディング可能な任意の媒体を含むと理解すべきである。前記コマンドセットは、機器により実行され且つ前記機器に本発明の任意の一つ又は複数の方法を実行させるために用いられる。従って、「コンピュータ読取可能な記憶媒体」という用語は、固体メモリ及び光学媒体及び磁気媒体、或いは如何なる他の非揮発的な機器読取可能な媒体を含むと理解すべきであるが、それらに限定されない。

本文に記載の処理モジュール／ユニット／ロジック１５２８、部品及び他の特徴は、独立なハードウェア部品として実施され、又はハードウェア部品（例えば、ＡＳＩＣＳ、ＦＰＧＡ、ＤＳＰ又は類似の装置）の機能に集積されるように実施可能である。また、処理モジュール／ユニット／ロジック１５２８は、ハードウェア装置におけるファームウェア又は機能回路として実施可能である。また、処理モジュール／ユニット／ロジック１５２８は、ハードウェア装置とソフトウェア部品の如何なる組み合わせで実施されても良い。

注意すべきなのは、システム１５００はデータ処理システムの各部品を備えると示されたが、部品の接続の如何なる特定な構成又は手段を示すわけではない。これは、このような詳細が本発明の実施形態と緊密な関係を有していないからである。更に、より少ない部品を持ち、或いはより多い部品を持ち可能なネットワークコンピュータ、携帯コンピュータ、モバイルフォン、サーバ及び／又は他のデータ処理システムも本発明の実施形態と共に使用可能と理解すべきである。

前記の詳しい説明における幾つかの部分は、既にコンピュータメモリ内にデータビットに対する演算のアルゴリズムと符号標記により表された。これらのアルゴリズムの説明及び標記は、データ処理分野における技術者により使用される方式であり、彼らの作業の意図を効率的に当分野の他の技術者に伝達する。本文において、アルゴリズムは一般的に所望の結果を引き起こすセルフコンシステント操作シーケンスであると考えられる。これらの操作は物理量に対する物理の制御の必要がある操作である。

ところが、理解すべきなのは、全てのこれろと類似する用語は、何れも適当な物理量に関連させると意味し、且つこれらの量に適用する便利な標識に過ぎない。上記の論述に他の方式で明確に指定される場合以外、全明細書において、用語（例えば付加の特許請求の範囲に記載される用語）で行われた論述はコンピュータシステム又は類似の電子演算装置の動作及び処理であると理解すべきである。前記コンピュータシステム又は電子演算装置は、コンピュータシステムのレジスタとメモリに物理（電子）量として表されるデータを制御し、前記データをコンピュータシステムメモリ、レジスタ、他の類似の情報記憶デバイス、伝送又は表示装置に同様に物理量として表される他のデータに変換する。

本発明の実施形態は更に本文における操作を実行するデバイスに関する。このようなコンピュータプログラムは非揮発的なコンピュータ読取可能な媒体に記憶される。機器読取可能な媒体は、機器（例えば、コンピュータ）読取可能な形で情報を記憶する如何なる機構を含む。例えば、機器読取可能（例えば、コンピュータ読取可能）な媒体は、機器（例えば、コンピュータ）読取可能な記憶媒体（例えば、読み出し専用メモリ（「ＲＯＭ」）、ランダムアクセスメモリ（「ＲＡＭ」）、ディスク記憶媒体、光記憶媒体、フラッシュメモリ装置）を含む。

前記の図面に描画されるプロセス又は方法は処理ロジックにより実行されても良い。前記処理ロジックは、ハードウェア（例えば、回路、専用ロジック等）、ソフトウェア（例えば、非揮発的なコンピュータ読取可能な媒体として表す）或いは両者の組み合わせを含む。前記過程又は方法は前記の記載において所定の順序に従う操作として説明されたが、前記操作のうちの一部が異なる順序に従って実行可能と理解すべきである。また、一部の操作は順序での実行ではなく、並行に実行可能である。

本発明の実施形態は、如何なる特定のプログラミング言語に従って説明することではない。理解すべきなのは、複数のプログラミング言語を使用して本文に記載された本発明の実施形態を実施することができる。

以上の明細書において、既に本発明の具体的な例示的実施形態を参照して本発明の実施形態を説明した。明らかに、付加の特許請求の範囲に記載の本発明のより広い主旨及び範囲から逸脱されない場合に、本発明に対する各修正が可能である。よって、制限的な意味ではなく、説明的な意味で本明細書及び図面を理解すべきである。

本願の一態様は、自動運転車両を運転するためのコンピュータ実施方法を提供し、この方法は、目標速度に基づいて発信される速度制御コマンドに応答して、前記自動運転車両の予想速度と実際速度とに基づいて第一フィードバックパラメータを決定するステップと、速度制御パラメータ調整（ＳＰＣＡ）モデルを、リアルタイムで取得される入力パラメータのセットに適用することにより、第二フィードバックパラメータを決定するステップであって、前記入力パラメータのセットは前記自動運転車両のある時点における運転環境を示すステップと、前記第一フィードバックパラメータと前記第二フィードバックパラメータとに基づいて、前記速度制御コマンドを発信する速度コントローラの制御パラメータを動的に調整するステップと、調整された前記速度コントローラの制御パラメータに基づいて、後のコマンドサイクルに用いられる後の速度制御コマンドを生成するステップと、を含む。

本願の他の態様は、コマンドが記憶されており、前記コマンドがプロセッサにより実行されるとき、前記プロセッサに処理を実行させる、不発揮性の機械可読媒体を提供し、前記処理は、目標速度に基づいて発信される速度制御コマンドに応答して、前記自動運転車両の予想速度と実際速度とに基づいて第一フィードバックパラメータを決定することと、速度制御パラメータ調整モデルを、リアルタイムで取得される入力パラメータのセットに適用することにより、第二フィードバックパラメータを決定するステップであって、前記入力パラメータのセットは前記自動運転車両のある時点における運転環境を示すことと、前記第一フィードバックパラメータと前記第二フィードバックパラメータとに基づいて、前記速度制御コマンドを発信する速度コントローラの制御パラメータを動的に調整することと、調整された前記速度コントローラの制御パラメータに基づいて、後のコマンドサイクルに用いられる後の速度制御コマンドを生成することと、を含む。

本願の他の態様は、プロセッサと、前記プロセッサに連結されてコマンドを記憶するメモリと、を含み、前記メモリがプロセッサにより実行されるとき、前記プロセッサに、自律走行車を動作させる処理を実行させる、データ処理システムを提供し、前記処理は、目標速度に基づいて発信される速度制御コマンドに応答して、前記自動運転車両の予想速度と実際速度とに基づいて第一フィードバックパラメータを決定することと、速度制御パラメータ調整モデルを、リアルタイムで取得される入力パラメータのセットに適用することにより、第二フィードバックパラメータを決定するステップであって、前記入力パラメータのセットは前記自動運転車両のある時点における運転環境を示すことと、前記第一フィードバックパラメータと前記第二フィードバックパラメータとに基づいて、前記速度制御コマンドを発信する速度コントローラの制御パラメータを動的に調整することと、調整された前記速度コントローラの制御パラメータに基づいて、後のコマンドサイクルに用いられる後の速度制御コマンドを生成することと、を含む。

図１に戻し、無線通信システム１１２は、自動運転車両１０１と装置、センサ、他の車両などのような外部システムとの間の通信を許す。例えば、無線通信システム１１２は、一つ又は複数の装置と直接的に無線通信しても良く、或いは通信ネットワークを経由して無線通信し、例えばネットワーク１０２を経由してサーバ１０３〜１０４と通信しても良い。無線通信システム１１２は、如何なるセルラー通信ネットワーク又は無線ローカルエリアネットワーク（ＷＬＡＮ）、例えばＷｉＦｉを使用して他の部品又はシステムと通信することができる。無線通信システム１１２は、例えば赤外線リンク、ブルートゥース（登録商標）などを使用して装置（例えば、乗客の携帯装置、表示装置、車両１０１内のスピーカ）と直接的に通信する。ユーザインターフェースシステム１１３は、車両１０１内に実施される周辺機器の部分であっても良く、例えばキーボード、タッチパネル表示装置、マイクロフォン及びスピーカなどを含む。

ＰＩＤは、工業制御システムにおいて常用される制御回路フィードバック構造（コントローラ）である。ＰＩＤコントローラは、所望の設定点と測定のプロセス変数との間の差である誤差値を連続的に算出し、且つ比例（Ｋ_ｐ）、積分（Ｋ_ｉ）、微分（Ｋ_ｄ）の項に基づいて補正を行う。コントローラは、制御変数を加重和で決定された新たな値に調整して時間の経過につれて誤差を最小化することを試みる。一実施形態において、パラメータアダプティブモジュール３０７の出力は、オンラインで動的にＰＩＤコントローラのＫ_ｐ、Ｋ_ｉとＫ_ｄのうちの少なくとも一つを調整するように用いられる。

一実施形態において、システム１５００は、バス又はインターコネクタ１５１０を介して接続されるプロセッサ１５０１、メモリ１５０３及び装置１５０５〜１５０８を具備する。プロセッサ１５０１は、そのうちに単一のプロセッサコア、又は複数のプロセッサコアの単一のプロセッサ、又は複数のプロセッサが含まれることを表すことができる。プロセッサ１５０１は、一つ又は複数の汎用プロセッサ、例えばマイクロプロセッサ、中央処理ユニット（ＣＰＵ）などを表すことができる。具体的に、プロセッサ１５０１は複雑コマンドセット演算（ＣＩＳＣ）マイクロプロセッサ、簡単コマンドセット演算（ＲＩＳＣ）マイクロプロセッサ、超長コマンドワード（ＶＬＩＷ）マイクロプロセッサ、或いは他のコマンドセットを実施するプロセッサ、或いはコマンドセットの組み合わせを実施するプロセッサであっても良い。プロセッサ１５０１は更に一つ又は複数の専用プロセッサ、例えば専用集積回路（ＡＳＩＣ）、セルラー又はベースバンドプロセッサ、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、デジタル信号プロセッサ（ＤＳＰ）、ネットワークプロセッサ、図形プロセッサ、通信プロセッサ、暗号化プロセッサ、セカンドプロセッサ、組み込みプロセッサ、或いはコマンドを処理可能な任意の他のタイプのロジックであっても良い。

Claims (24)

1. 自動運転車両（ＡＤＶ）を走行させるためのコンピュータ実施方法であって、
   目標速度に基づいて発信される速度制御コマンドに応答して、前記自動運転車両の予想速度と実際速度とに基づいて第一フィードバックパラメータを決定するステップと、
   速度制御パラメータ調整（ＳＰＣＡ）モデルを、リアルタイムで取得される入力パラメータのセットに適用することにより、第二フィードバックパラメータを決定するステップであって、前記入力パラメータのセットは前記自動運転車両のある時点における運転環境を示すステップと、
   前記第一フィードバックパラメータと前記第二フィードバックパラメータとに基づいて、前記速度制御コマンドを発信する速度コントローラの制御パラメータを動的に調整するステップと、
   調整された前記速度コントローラの制御パラメータに基づいて、後のコマンドサイクルに用いられる後の速度制御コマンドを生成するステップと、を含む、
   ことを特徴とする方法。
2. 前記速度コントローラの前記制御パラメータは、更に、第三フィードバックパラメータとする前記速度制御コマンドに基づいて調整され、前記速度制御コマンドは、前のコマンドサイクルの前の速度制御コマンドを示し、次のコマンドサイクルの次の速度制御コマンドに用いられる、
   ことを特徴とする請求項１に記載の方法。
3. 前記速度コントローラの前記制御パラメータは、前記第一フィードバックパラメータ、前記第二フィードバックパラメータ及び前記第三フィードバックパラメータに基づいて所定の加重アルゴリズムによって調整され、前記第一フィードバックパラメータ、前記第二フィードバックパラメータ及び前記第三フィードバックパラメータのそれぞれは、単独の重み因子に関連する、
   ことを特徴とする請求項２に記載の方法。
4. 前記速度制御コマンドは、最大のアクセルコマンド値のアクセルパーセンテージを含む、
   ことを特徴とする請求項２に記載の方法。
5. 前記目標速度に基づいて、前記自動運転車両に関連するパワートレーン参照モデルによって、前記予想速度を決定するステップを更に含む、
   ことを特徴とする請求項１に記載の方法。
6. 前記パワートレーン参照モデルは、前記自動運転車両に関連するエンジン、変速機、動力伝達パラメータに基づいて生成される、
   ことを特徴とする請求項５に記載の方法。
7. 前記入力パラメータのセットは、前記時点において測定される天気状況、道路状況、風抵抗、地図位置、車両重量又はタイヤ空気圧のうちの少なくとも一つを含む、
   ことを特徴とする請求項１に記載の方法。
8. 前記入力パラメータのセットは、前記時点において前記自動運転車両に乗っている乗客のユーザ運転好みを更に含む、
   ことを特徴とする請求項７に記載の方法。
9. コマンドが記憶されており、前記コマンドがプロセッサにより実行されると、前記プロセッサに処理を実行させる、不発揮性の機械可読媒体であって、
   前記処理は、
   目標速度に基づいて発信される速度制御コマンドに応答して、前記自動運転車両の予想速度と実際速度とに基づいて第一フィードバックパラメータを決定することと、
   速度制御パラメータ調整モデルを、リアルタイムで取得される入力パラメータのセットに適用することにより、第二フィードバックパラメータを決定するステップであって、前記入力パラメータのセットは前記自動運転車両のある時点における運転環境を示すことと、
   前記第一フィードバックパラメータと前記第二フィードバックパラメータとに基づいて、前記速度制御コマンドを発信する速度コントローラの制御パラメータを動的に調整することと、
   調整された前記速度コントローラの制御パラメータに基づいて、後のコマンドサイクルに用いられる後の速度制御コマンドを生成することと、を含む、
   ことを特徴とする不発揮性の機械可読媒体。
10. 前記速度コントローラの前記制御パラメータは、更に、第三フィードバックパラメータとする前記速度制御コマンドに基づいて調整され、前記速度制御コマンドは、前のコマンドサイクルの前の速度制御コマンドを示し、次のコマンドサイクルの次の速度制御コマンドに用いられる
    ことを特徴とする請求項９に記載の機械可読媒体。
11. 前記速度コントローラの前記制御パラメータは、前記第一フィードバックパラメータ、前記第二フィードバックパラメータ及び前記第三フィードバックパラメータに基づいて所定の加重アルゴリズムによって調整され、前記第一フィードバックパラメータ、前記第二フィードバックパラメータ及び前記第三フィードバックパラメータのそれぞれは、単独の重み因子に関連する、
    ことを特徴とする請求項１０に記載の機械可読媒体。
12. 前記速度制御コマンドは、最大のアクセルコマンド値のアクセルパーセンテージを含む、
    ことを特徴とする請求項１０に記載の機械可読媒体。
13. 前記処理は、前記目標速度に基づいて、前記自動運転車両に関連するパワートレーン参照モデルによって、前記予想速度を決定することを更に含む、
    ことを特徴とする請求項９に記載の機械可読媒体。
14. 前記パワートレーン参照モデルは、前記自動運転車両に関連するエンジン、変速機、動力伝達パラメータに基づいて生成される
    ことを特徴とする請求項１３に記載の機械可読媒体。
15. 前記入力パラメータのセットは、前記時点において測定される天気状況、道路状況、風抵抗、地図位置、車両重量又はタイヤ空気圧のうちの少なくとも一つを含む
    ことを特徴とする請求項９に記載の機械可読媒体。
16. 前記入力パラメータのセットは、前記時点において前記自動運転車両に乗っている乗客のユーザ運転好みを更に含む
    ことを特徴とする請求項１５に記載の機械可読媒体。
17. プロセッサと、
    前記プロセッサに連結されてコマンドを記憶するメモリと、を含み、
    前記コマンドが前記プロセッサによって実行されるとき、前記プロセッサに処理を実行させる、データ処理システムであって、
    前記処理は、
    目標速度に基づいて発信される速度制御コマンドに応答して、前記自動運転車両の予想速度と実際速度とに基づいて第一フィードバックパラメータを決定することと、
    速度制御パラメータ調整モデルを、リアルタイムで取得される入力パラメータのセットに適用することにより、第二フィードバックパラメータを決定するステップであって、前記入力パラメータのセットは前記自動運転車両のある時点における運転環境を示すことと、
    前記第一フィードバックパラメータと前記第二フィードバックパラメータとに基づいて、前記速度制御コマンドを発信する速度コントローラの制御パラメータを動的に調整することと、
    調整された前記速度コントローラの制御パラメータに基づいて、後のコマンドサイクルに用いられる後の速度制御コマンドを生成することと、を含む、
    ことを特徴とするデータ処理システム。
18. 前記速度コントローラの前記制御パラメータは、更に、第三フィードバックパラメータとする前記速度制御コマンドに基づいて調整され、前記速度制御コマンドは、前のコマンドサイクルの前の速度制御コマンドを示し、次のコマンドサイクルの次の速度制御コマンドに用いられる
    ことを特徴とする請求項１７に記載のシステム。
19. 前記速度コントローラの前記制御パラメータは、前記第一フィードバックパラメータ、前記第二フィードバックパラメータ及び前記第三フィードバックパラメータに基づいて所定の加重アルゴリズムによって調整され、前記第一フィードバックパラメータ、前記第二フィードバックパラメータ及び前記第三フィードバックパラメータのそれぞれは、単独の重み因子に関連する
    ことを特徴とする請求項１８に記載のシステム。
20. 前記速度制御コマンドは、最大のアクセルコマンド値のアクセルパーセンテージを含む
    ことを特徴とする請求項１８に記載のシステム。
21. 前記処理は、前記目標速度に基づいて、前記自動運転車両に関連するパワートレーン参照モデルによって、前記予想速度を決定することを更に含む
    ことを特徴とする請求項１７に記載のシステム。
22. 前記パワートレーン参照モデルは、前記自動運転車両に関連するエンジン、変速機、動力伝達パラメータに基づいて生成される
    ことを特徴とする請求項２１に記載のシステム。
23. 前記入力パラメータのセットは、前記時点において測定される天気状況、道路状況、風抵抗、地図位置、車両重量又はタイヤ空気圧のうちの少なくとも一つを含む
    ことを特徴とする請求項１７に記載のシステム。
24. 前記入力パラメータのセットは、前記時点において前記自動運転車両に乗っている乗客のユーザ運転好みを更に含む
    ことを特徴とする請求項２３に記載のシステム。